首页 / 操作系统 / Linux / OpenCV入门教程之九 特征点检测与图像匹配

特征点又称兴趣点、关键点，它是在图像中突出且具有代表意义的一些点，通过这些点我们可以用来识别图像、进行图像配准、进行3D重建等。本文主要介绍OpenCV中几种定位与表示关键点的函数。推荐阅读：Ubuntu 12.04 安装 OpenCV2.4.2 http://www.linuxidc.com/Linux/2012-09/70158.htmCentOS下OpenCV无法读取视频文件 http://www.linuxidc.com/Linux/2011-07/39295.htmUbuntu 12.04下安装OpenCV 2.4.5总结 http://www.linuxidc.com/Linux/2013-06/86704.htmUbuntu 10.04中安装OpenCv2.1九步曲 http://www.linuxidc.com/Linux/2010-09/28678.htm基于QT和OpenCV的人脸识别系统 http://www.linuxidc.com/Linux/2011-11/47806.htm

一、Harris角点

角点是图像中最基本的一种关键点，它是由图像中一些几何结构的关节点构成，很多都是线条之间产生的交点。Harris角点是一类比较经典的角点类型，它的基本原理是计算图像中每点与周围点变化率的平均值。 （1） （2）其中I（x+u,y+u）代表了点（x,y）邻域点的灰度值。通过变换可以将上式变化为一个协方差矩阵求特征值的问题（2），具体数学原理本文不过多描述。OpenCV的Hairrs角点检测的函数为cornerHairrs（），但是它的输出是一幅浮点值图像，浮点值越高，表明越可能是特征角点，我们需要对图像进行阈值化。我们使用一张建筑图像来显示：int main（）{Mat image=imread（"../buliding.png"）;Mat gray;cvtColor（image,gray,CV_BGR2GRAY）;Mat cornerStrength;cornerHarris（gray,cornerStrength,3,3,0.01）;threshold（cornerStrength,cornerStrength,0.001,255,THRESH_BINARY）;return 0;}首先我们来说明一下cornerHairrs（）这个函数参数的意思：前2参数是输入与输出，输入是一个灰度图像，输出是一个浮点图像，第三个参数指定角点分析的邻域，第4个参数实际上在角点求取过程中计算梯度图像的核窗口大小，第5个参数是它原理公式（2）中的一个系数。从上面的例子的结果我们可以看到，有很多角点都是粘连在一起的，我们下面通过加入非极大值抑制来进一步去除一些粘在一起的角点。非极大值抑制原理是，在一个窗口内，如果有多个角点则用值最大的那个角点，其他的角点都删除，窗口大小这里我们用3*3，程序中通过图像的膨胀运算来达到检测极大值的目的，因为默认参数的膨胀运算就是用窗口内的最大值替代当前的灰度值。程序的最后使用了一个画角点的函数将角点显示在图像中，这个函数与本系列第5篇中画角点的函数是一致的。int main（）{Mat image=imread（"../buliding.png"）;Mat gray;cvtColor（image,gray,CV_BGR2GRAY）;Mat cornerStrength;cornerHarris（gray,cornerStrength,3,3,0.01）;double maxStrength;double minStrength;// 找到图像中的最大、最小值minMaxLoc（cornerStrength,&minStrength,&maxStrength）;Mat dilated;Mat locaMax;// 膨胀图像，最找出图像中全部的局部最大值点dilate（cornerStrength,dilated,Mat（））;// compare是一个逻辑比较函数，返回两幅图像中对应点相同的二值图像compare（cornerStrength,dilated,locaMax,CMP_EQ）;Mat cornerMap;double qualityLevel=0.01;double th=qualityLevel*maxStrength; // 阈值计算threshold（cornerStrength,cornerMap,th,255,THRESH_BINARY）;cornerMap.convertTo（cornerMap,CV_8U）;// 逐点的位运算bitwise_and（cornerMap,locaMax,cornerMap）;drawCornerOnImage（image,cornerMap）;namedWindow（"result"）;imshow（"result",image）;waitKey（）;return 0;}void drawCornerOnImage（Mat& image,const Mat&binary）{Mat_<uchar>::const_iterator it=binary.begin<uchar>（）;Mat_<uchar>::const_iterator itd=binary.end<uchar>（）;for（int i=0;it！=itd;it++,i++）{if（*it）circle（image,Point（i%image.cols,i/image.cols）,3,Scalar（0,255,0）,1）; }}现在我们得到的效果就比默认的函数得到的结果有相当的改善。由于cornerHarris的一些缺点，OpenCV提供了另一个相似的函数GoodFeaturesToTrack（）它用角点间的距离限制来防止角点粘连在一起。goodFeaturesToTrack（image,corner,500,// 最多检测到的角点数 0.01,// 阈值系数 10）;// 角点间的最小距离它可以得到与上面基本一致的结果。